Dodelitev proračunskih sredstev za optimalno računanje (OCBA)

Text Box: OCBA

za simulacijsko odločanje pod negotovostjo (optimizacija simulacije)
– Najdite najboljšo alternativo za oblikovanje z minimalnim simulacijskim časom


Poiščite nekaj najnovejših informacij na spletnem mestu OCBA Wikipedia.


Imamo najsodobnejši pristop k inteligentnemu dodeljevanju računskega proračuna za učinkovito optimizacijo simulacije. Cilj je najti najboljši dizajn z minimalnim simulacijskim časom. Mnogi naši soavtorji in prijatelji prispevajo k obogatitvi tega območja.

Simulacija je priljubljeno orodje za oblikovanje velikih, zapletenih, stohastičnih sistemov, saj za takšne probleme na splošno ne obstajajo analitične rešitve z zaprto obliko. Medtem ko je napredek nove tehnologije dramatično povečal računalniško moč, je učinkovitost še vedno velika skrb pri uporabi simulacije za veliko zasnovo sistema, v tem primeru pa je treba simulirati veliko alternativnih modelov. Da bi se to poslabšalo, je treba za vsako zasnovo opraviti več simulacijskih potez, da bi ujeli stohastično vedenje v sistemih. Ključno vprašanje v tej temi je, kako dramatično zmanjšati celoten čas izračunavanja.

Ključna sestavina naših metodologij je naša nova tehnika nadzora in teoretične simulacije, imenovana Optimal Computing Budget Allocation (OCBA). Pristop OCBA lahko inteligentno določi najučinkovitejše simulacijske številke replikacije ali dolžine simulacije za vse simulirane alternative. Cilj je pridobiti najvišjo oceno simulacijskih odločitev z uporabo fiksnega računalniškega proračuna ali doseči želeno kakovost odločitve pri simulaciji z uporabo najmanjšega računskega proračuna. Numerično testiranje kaže, da naš pristop lahko doseže enako kakovost simulacije z enim desetim simulacijskim naporom.

OCBA je tudi idealna za optimizacijo stohastične simulacije. Glavni razlog, da je simulacijska optimizacija težavna, je stohastična narava vrednotenja objektivne funkcije, kar pomeni, da obstaja osnovni kompromis med posvečanjem računskega napora pri iskanju prostora za nove kandidatske rešitve (raziskovanje) in natančnejšimi ocenami ciljne funkcije na trenutno obetajočih rešitvah (izkoriščanje). Z drugimi besedami, koliko simulacijskega proračuna je treba dodeliti dodatnim replikam na že obiskanih točkah in koliko je treba replikacije na novo ustvarjenih iskalnih točkah upoštevati pri računalniški učinkovitosti. V postopku OCBA zaporedno določa, katere oblikovne alternative potrebujejo več simulacije in koliko dodatnih ponovitev je potrebno.

Intuitivno, da bi zagotovili, da je najboljša alternativa pravilno izbrana, bi bilo treba večji del računskega proračuna dodeliti tistim alternativam, ki so ključne pri ugotavljanju najboljše alternative. Z drugimi besedami, večje število simulacij se mora izvajati s tistimi kritičnimi alternativami, da se zmanjšajo te kritične ocene ocenjevalcev. Celotna učinkovitost simulacije se izboljša, saj se manj simulacijskih naporov porabi za simuliranje nekritičnih alternativ in več se porabi za kritične alternative. Ideje so razložene z naslednjim preprostim primerom. Predpostavimo, da izvajamo simulacije za 5 alternativ, da bi določili alternativo z minimalno povprečno zakasnitvijo. Najprej izvedemo nekaj predhodnih simulacij za vseh 5 alternativ. Slika 1- (a) prikazuje primer njihovih 99% intervalov zaupanja, pridobljenih s predhodno simulacijo. Upoštevajte, da je negotovost ocene odvisna od stohastičnih značilnosti sistema in uporabe simulacije Monte Carlo.

Slika 1. 99% interval zaupanja za pet alternativ po nekaj predhodnih simulacijah v (a) trivialnem primeru in (b) pogostejši primer.

Kot je prikazano na sliki 1- (a), medtem ko pri ocenjevanju uspešnosti za vsako alternativo obstaja negotovost, je očitno, da so alternative 2 in 3 veliko boljše od drugih alternativ, če nameravamo najti alternativo s minimalnim povprečjem zamuda. In zato je treba dodatno simulirati le alternativa 2 in 3, da se zmanjša ocenjevalna negotovost, da se pravilno identificira najboljša alternativa. Z ustavitvijo simulacij za alternative 1, 4 in 5 prej lahko prihranimo veliko stroškov za izračun.

Vendar se dejansko zgodi, da v večini primerov ni tako trivialno, kot je prikazano na sliki 1- (a). Pogosteje je videti primere, kot je drug primer, prikazan na sliki 1- (b), kjer se zdijo nekatere druge možnosti boljše, vendar niso očitno boljše od drugih. V takšnih primerih ni enostavno določiti, katere alternative je mogoče odstraniti iz simulacijskega poskusa in kdaj jih je treba ustaviti. OCBA zagotavlja sistematičen pristop za reševanje tega problema in razporeditev simulacijskih potez do nadomestnih možnosti tako, da je učinkovitost simulacije čim večja.

Če želite izvedeti več o OCBA, sta naslednji dve dokumenti dobro izhodišče:

Uvedba idej OCBA

Chen, C. H. in L. H. Lee, Stochastic Optimization of Simulation: Optimalna računska dodelitev proračuna. World Scientific Publishing Co., 2011.

Xu, J., E. Huang, L. Hsieh, LH Lee, QS Jia in CH Chen, “Optimizacija simulacije v dobi Industrial 4.0 in Industrial Internet”, 10 (4), 310-320, Journal of Simulation , 2016.

Xu, J., E. Huang, CH Chen in LH Lee, “Simulacijska optimizacija: pregled in raziskovanje v novi dobi računalništva v oblaku in velikih podatkov”, Asia-Pacific Journal of Operational Research, 32 (3), junij 2015

Chen, C. H., M. Fu in L. Shi, “Simulacija in optimizacija”, vaje v operacijskih raziskavah, str. 247-260, Informs, Hanover, MD, 2008.

Fu, M, C. H. Chen in L. Shi, “Nekatere teme za optimizacijo simulacije”, Zbornik zimske simulacijske konference 2008, str. 27-38, Miami, FL, december 2008.


Tukaj je nekaj bolj reprezentativnih publikacij o tehnikah OCBA.

Eden najbolj priljubljenih dokumentov OCBA

Chen, C. H., J. Lin, E. Yucesan in S. E. Chick, “Simulacija proračunskih sredstev za nadaljnje izboljšanje učinkovitosti redke optimizacije”, Journal of Discrete Event Dynamic Systems: Teorija in aplikacije, Vol. 10, str. 251-270, julij 2000.

Predhodni razvoj OCBA

Chen, C. H. “Učinkovit pristop k pametno dodeljevanju računskega proračuna za diskretne simulacije dogodkov”, Zbornik 34. IEEE konferenca o odločanju in nadzoru, str. 2598-2605, december 1995.

Chen, C. H. “Spodnja povezava za verjetnost pravilne selekcije podmenija in njena uporaba na simulacije sistema diskretnega dogodka”, IEEE Transactions on Automatic Control, Vol. 41, št. 8, str. 1227-1231, avgust 1996.

Chen, C. H., E. Yucesan, L. Dai in H. C. Chen, “Učinkovit izračun najboljšega proračunskega dodeljevanja za diskretni poskus simulacije dogodka”, IIE Transactions, Vol. 42, št. 1, str. 60-70, januar 2010.

OCBA za težave z več cilji

Lee, L. H., E. P. Chew, S. Y. Teng in D. Goldsman, “Optimalna računska dodelitev proračunskih sredstev za več-objektivne simulacijske modele”, Zbornik zimske simulacijske konference 2004, str. 586-594, 2004.

E.J. Chen in L.H. Lee, “Večstranski izbirni postopek določanja kompleta Pareto”, Računalništvo in operativne raziskave, 36 (6),: 1872-1879, 2009.

S. Teng, L.H. Lee in E.P. Chew, “Integracija indiferenčnega območja z dodelitvijo proračunskih sredstev z več ciljnimi računalniki”, European Journal of Operational Research, 203 (2): 419-429, 2010.

L. H. Lee, E. P. Chew, S. Y. Teng in D. Goldsman (2010). Iskanje Pareto nabora za več-objektivne simulacijske modele, ki se pojavijo v transakcijah IIE.

OCBA za izbiro optimalnega podskupina vrhunskih oblik (recimo zgornjih 5)

Chen, C. H., D. He, M. Fu in L. H. Lee, “Učinkovita simulacija proračunskih dodelitev za izbiro optimalnega podomrežja,” opozarja Journal on Computing, Vol. 20, št. 4, str. 579-595, 2008.

Zhang, S., LH Lee, EP Chew, J. Xu in CH Chen, “Postopek dodeljevanja proračuna simulacije za izboljšanje učinkovitosti optimalnega podomrežja”, IEEE transakcije pri samodejnem nadzoru, 61 (1), 62-75, Januar 2016.

OCBA za izbiro najboljše alternative, ko so vzorci povezani

Fu, M. C., J. Q. Hu, C. H. Chen in X. Xiong, “Simulacijska dodelitev za določitev najboljšega oblikovanja v prisotnosti koreliranega vzorčenja”, objavlja Journal of Computing, Vol. 19, št. 1, str. 101-111, 2007.

OCBA za simulacijo in optimizacijo

Zhang, S., J. Xu, LH Lee, EP Chew, WP Wong in CH Chen, “Optimalna računska dodelitev proračunskih sredstev za optimizacijo valovanja delcev pri stohastični optimizaciji”, IEEE transakcije na evolucijski račun, 21 (2), 206-219 , 2017.

Nicholas, P., “Algoritem delitve pravokotnika za optimizacijo stohastične simulacije”, Zbornik 14. konference računalniške družbe INFORMS, Richmond, Virginia, januar 2015.

He, D., L. H. Lee, C. H. Chen, M. Fu in S. Wasserkrug, “Simulacijska optimizacija z uporabo metoda cross-entropije z optimalnim računskim dodeljevanjem proračuna”, ACM transakcije pri modeliranju in računalniški simulaciji, 2009.

Chew, E. P., L.H. Lee, S.Y. Teng in C.H. Koh, “Diferencirana optimizacija inventarnih storitev z uporabo Nested Partitions in MOCBA”, Računalniki in operacijske raziskave, 36 (5),: 1703-1710, 2009.

Lee, L. H., E.P. Chew, S.Y. Teng in Y.K. Chen, “Multi-objektivni simulacijski evolucijski algoritem za problem dodeljevanja rezervnih delov letal”, European Journal of Operational Research, 189 (2): 476-491, 2008.

Chen, C. H., D. He, M. Fu in L. H. Lee, “Učinkovita simulacija proračunskih dodelitev za izbiro optimalnega podomrežja,” opozarja Journal on Computing, Vol. 20, št. 4, str. 579-595, 2008.

Shi, L. in C. H. Chen, “Novi algoritem za optimizacijo razporeditve ločljivosti stohastičnih diskretnih virov”, Journal of Discrete Event Dynamic Systems: Teorija in aplikacije, Vol. 10, str. 271-294, julij 2000.

Aplikacije OCBA

Hsieh, L., E. Huang in CH Chen, “Izboljšanje uporabe opreme na področju fotolitografije z dinamičnim sistemskim nadzorom z optimizacijo simulacije več zvestobe z veliko podatkovno tehniko”, IEEE Transactions on Semiconductor Manufacturing Decision, 30 (2), 166 -175, 2017.

Aristotelis, T., M. Bastani, N. Celik in C. H. Chen, “Prilagodljiv simulacijski okvir dinamičnih podatkov za avtomatizirano kontrolo v mikrogrijih”, IEEE Transactions on Smart Grid, 8 (1), 209-218, 2017.

Hsieh, L., E. Huang, S. Zhang, KH Chang, CH Chen, “Uporaba multi-verodostojnega simulacijskega modeliranja za integrirano vezno embalažo”, International Journal of Simulation and Process Modeling, 28 (2), 195-208, Pomlad 2016.

Hsieh, B. W., C. H. Chen, S. C. Chang, “Učinkovita simulacija temelji na dispečerskih pravilih z integracijo runde optimizacije z zasnovo eksperimenta”, IEEE Transactions on Automation Science and Engineering, Vol. 4, št. 4, str. 553-568, oktober 2007.

Romero, V.J., D.V. Ayon, C.H. Chen, “Dokazi verjetnostnih reda optimizacijskih konceptov za kontinuirano spremenljivo optimizacijo pod negotovostjo,” Optimizacija in inženirstvo, Vol. 7, št. 3, str. 343-365, september 2006.

Chen, C. H. in D. He, “Inteligentna simulacija za primerjavo alternativ in aplikacijo za upravljanje zračnega prometa”, Journal of Systems Science and Systems Engineering, Vol. 14, št. 1, str. 37-51, marec 2005.

Chen, C. H., K. Donohue, E. Yucesan in J. Lin, “Optimalna računalniška proračunska dodelitev za simulacijo Monte Carlo z aplikacijo za oblikovanje izdelka”, Journal of Simulation Practice and Theory, Vol. 11, št. 1, str. 57-74, marec 2003.

Hsieh, B. W., C. H. Chen in S. C. Chang, “Razporejanje polprevodniških izdelovalcev žice z uporabo simulacije, ki temelji na optimizaciji,” IEEE Transactions on Robotics and Automation, Vol. 17, št. 5, str. 599-608, oktober 2001.

Chen, C. H., S. D. Wu in L. Dai, “Redna primerjava hevrističnih algoritmov z uporabo stohastične optimizacije”, IEEE Transactions on Robotics and Automation, Vol. 15, št. 1, str. 44-56, februar 1999.

Združitev z redno optimizacijo

Dai, L., C. H. Chen in J. R. Birge, “Velike konvergenčne lastnosti dvostopenjskega stohastičnega programiranja”, Journal of Optimization Theory and Applications, Vol. 106, št. 3, str. 489-510, september 2000.

Ho, Y. C., C. G. Cassandras, C. H. Chen in L. Dai, “Rundalni optimizacija in simulacija”, Journal of Operational Research Society, Vol. 51, št. 4, str. 490-500, april 2000.

Dai, L. in C. H. Chen, “Stopnja konvergence za redovno primerjavo odvisnih simulacij v dinamičnih sistemih diskretnega dogodka”, Journal of Optimization Theory and Applications, Vol. 94, št. 1, str. 29-54, julij 1997.

Nekateri drugi splošni pojmi in sorodna dela

Blanchet, J., J. Liu in B. Zwart, “Perspektiva velikih odstopanj pri redni optimizaciji težkih hlapnih sistemov”, Zbornik zimske simulacijske konference 2007, str. 489-494, 2007.

Branke, J., S. E. Chick in C. Schmidt. Izbira izbirnega postopka. Management Science 53 1916-1932, 2007.

Chick, S. in K. Inoue. Novi dvostopenjski in zaporedni postopki za izbiro najboljšega simuliranega sistema. Operacijske raziskave 49 1609-1624, 2001.

Chick, S. in K. Inoue. Novi postopki za izbiro najboljšega simuliranega sistema z uporabo običajnih naključnih števil. Management Science 47 1133-1149, 2001.

Glynn, P., S. Juneja. Pogled velikih odstopanj pri ordinalni optimizaciji. Zbornik zimske simulacijske konference 2004, 577-585, 2004.

Pujowidianto, N. A., L. H. Lee, C. H. Chen, C. M. Yep, “Optimalno računalniško dodeljevanje proračuna za omejeno optimizacijo”, se pojavijo v Zborniku zimske simulacijske konference leta 2009, str. 584-589, Austin, TX, december 2009.

Trailović, L. in L. Y. Pao. 2004. Računanje dodeljenih proračunskih sredstev za učinkovito uvrstitev in izbor odstopanj z aplikacijami za ciljne algoritme za sledenje. IEEE transakcije na avtomatski kontroli 49 58-67, 2004.


OCBA knjige

1. Nova knjiga o OCBA je bila objavljena leta 2011. Ime knjige je “Stochastic Optimization Simulation: Optimal Computing Budget Allocation”. Ta knjiga daje celovito in obsežno pokritje o tej učinkoviti metodologiji optimizacije simulacije, od osnovne ideje, formalnega razvoja do stanja tehnike. Lahko ga naročite na spletni strani Amazon.com.

2. Druga nova knjiga, ki se razteza na veliko širšo perspektivo redne optimizacije, je “Stohastična optimizacija simulacije za diskretne sisteme dogodkov – analiza perturbacije, redna optimizacija in naprej”, objavljena leta 2013.


Računalniške izvorne kode za OCBA

Koda OCBA C, ki je navedena tudi na straneh 214-218 knjige OCBA.

OCBA C ++ kodo, ki ga je prisostvoval prof. Nurcin Celik na Univerzi v Miamiju

OCBA JAVA Code, ljubezen profesorice Nurcin Celik na Univerzi v Miamiju


OCBA Demo (in JAVA koda)

OCBA Demo Uporaba spletnega brskalnika. To demonstracijo OCBA izvajajo A. Johnson, Cheol Y. Park in Ning Lin. V demo boste videli, kako OCBA dinamično izbere vredne modele za nadaljnjo simulacijo.


Pojdi na stran profesorja Chun-Hung Chen

Pojdi na stran profesorja Loo Hay Lee

Pojdi na stran profesorja Q. S. Jia

Pojdi na stran profesorja Nurcin Celik

 

Tu lahko najdete izvirno objavo v angleščini: http://seor.vse.gmu.edu/~cchen9/ocba.html